知识点

data.iloc[train_indices]

对于一个DataFrame A，A.loc[k]是读取A中index为k的那一行。A.iloc[k]是读取A中的第k行。

数据观测

#返回一个DataFrame对象
housing  = pd.read_csv("housing.csv")
#预览头n行
housing.head(6)
#查看此列的不同值统计
housing["ocean_proximity"].value_counts()
#查看表的列的总体情况count总数,mean均值,std(标准差),min，25%，50%，75%
housing.describe()
#数据展示，bins代表条数
%matplotlib inline
import matplotlib.pyplot as plt
housing.hist(bins=50, figsize=(20,15))
plt.show()
#查看单列
housing["median_income"].hist()

选取数据集

loc与iloc函数

loc函数

import pandas as pd
import numpy
# 导入数据
df = pd.read_csv(filepath_or_buffer="D://movie.csv")
#1：根据列中的元素，选取对应元素的数据集 
df_new = df.set_index(["country"])
#2：根据元素的选取条件来选取对应的数据集 
df_new.loc[list(["Canada"])] # 1
#3：根据元素的选取条件来来选取对应的数据集，并在符合条件的数据行添加flage标签
df_new.loc[df_new["duration"]>160] # 2
df_new.loc[((df_new["duration"] > 200) & (df_new["director_facebook_likes"] > 300 )),"flage"] =1 # 3
#4：isin函数是series用来判断值是否在目标值是否在series 
df_new.loc[df_new["duration"].isin([100])] # 4
#5：query函数中用来判断条件符合的数据集并返回
df_new.query("duration > 100 & index == 'UK'") # 5